感谢您的所有回答。为了完整起见，我认为我应该包括我通常做的事情。我倾向于结合给出的建议：点、箱线图（当 n 很大时）和 se（或 sd）范围。

（被版主删除，因为托管图像的网站似乎不再正常工作。）

从点图中可以清楚地看出，数据比“手柄条”图所建议的要分散得多。其实A3里面有一个负值！

我已将此答案设为 CW，因此我不会获得代表

弗兰克·哈雷尔（Frank Harrell）的（最优秀的）主题演讲题为“信息过敏”在 userR！上个月展示了这些替代方案：不是通过条形提供的聚合隐藏原始数据，原始数据也显示为点（或点）。“为什么要隐藏数据？” 是弗兰克的评论。

考虑到 alpa 混合，这是一个最明智的建议（整个谈话充满了好的、重要的掘金）。

从心理学的角度来看，我主张绘制数据加上你对数据的不确定性。因此，在您展示的情节中，我永远不会费心将条形一直延伸到零，这只会最小化眼睛区分数据范围差异的能力。

另外，坦率地说，我反对条形图。条形图将两个变量映射到相同的美学属性（x 轴位置），这可能会导致混淆。一种更好的方法是通过将一个变量映射到 x 轴并将另一个变量映射到另一个美学属性（例如点形状或颜色或两者）来避免多余的美学映射。

最后，在上面的图中，您只包含高于值的误差线，这妨碍了比较与高于和低于值的柱相关的不确定性区间的能力。

这是我绘制数据的方式（通过 ggplot2 包）。请注意，我在同一系列中添加了连接点的线；有人认为这仅适用于连接线的系列是数字的（在这种情况下似乎是这样），但是只要 x 轴变量的水平之间存在任何合理的序数关系，我认为连接线有助于帮助眼睛在 x 轴上关联点。这对于检测交互特别有用，这在线条中非常突出。

library(ggplot2)
a = data.frame(names,prevs,se)
a$let = substr(a$names,1,1)
a$num = substr(a$names,2,2)
ggplot(data = a)+
layer(
    geom = 'point'
    , mapping = aes(
        x = num
        , y = prevs
        , colour = let
        , shape = let
    )
)+
layer(
    geom = 'line'
    , mapping = aes(
        x = num
        , y = prevs
        , colour = let
        , linetype = let
        , group = let
    )    
)+
layer(
    geom = 'errorbar'
    , mapping = aes(
        x = num
        , ymin = prevs-se
        , ymax = prevs+se
        , colour = let
    )
    , alpha = .5
    , width = .5
)

我很好奇你为什么不喜欢这些情节。我一直在使用它们。不想说明开花明显，它们允许您比较不同组的平均值并查看它们的 95% CI 是否重叠（即，真实平均值可能不同）。

我想，为了不同的目的，在简单性和信息之间取得平衡是很重要的。但是当我使用这些图时，我是在说-“这两组在某些重要方面彼此不同”[或没有]。

对我来说似乎很棒，但我很想听听反例。我认为该图的使用隐含的是数据没有奇异的分布，这使得平均值无效或具有误导性。